論文の概要: Intelligent Credit Limit Management in Consumer Loans Based on Causal Inference

• arxiv url: http://arxiv.org/abs/2007.05188v1
• Date: Fri, 10 Jul 2020 06:22:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 21:33:03.946458
• Title: Intelligent Credit Limit Management in Consumer Loans Based on Causal Inference
• Title（参考訳）: 因果推論に基づく消費者ローンの知的信用限度管理
• Authors: Hang Miao, Kui Zhao, Zhun Wang, Linbo Jiang, Quanhui Jia, Yanming Fang, Quan Yu
• Abstract要約: 信用限度は、経験豊富な専門家によって開発された限られた戦略に基づいて調整される。 本稿では,信用限度をインテリジェントに管理するためのデータ駆動型アプローチを提案する。
• 参考スコア（独自算出の注目度）: 5.292270534252169
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Nowadays consumer loan plays an important role in promoting the economic growth, and credit cards are the most popular consumer loan. One of the most essential parts in credit cards is the credit limit management. Traditionally, credit limits are adjusted based on limited heuristic strategies, which are developed by experienced professionals. In this paper, we present a data-driven approach to manage the credit limit intelligently. Firstly, a conditional independence testing is conducted to acquire the data for building models. Based on these testing data, a response model is then built to measure the heterogeneous treatment effect of increasing credit limits (i.e. treatments) for different customers, who are depicted by several control variables (i.e. features). In order to incorporate the diminishing marginal effect, a carefully selected log transformation is introduced to the treatment variable. Moreover, the model's capability can be further enhanced by applying a non-linear transformation on features via GBDT encoding. Finally, a well-designed metric is proposed to properly measure the performances of compared methods. The experimental results demonstrate the effectiveness of the proposed approach.
• Abstract（参考訳）: 現在、消費者ローンは経済成長を促進する上で重要な役割を果たしており、クレジットカードは最も人気のある消費者ローンである。 クレジットカードの最も重要な部分の1つは、クレジットリミット管理である。 伝統的に、クレジット制限は経験豊富な専門家によって開発された限定的なヒューリスティック戦略に基づいて調整される。 本稿では,信用限度をインテリジェントに管理するためのデータ駆動アプローチを提案する。 まず,モデル構築のためのデータを取得するための条件付き独立テストを行う。 これらのテストデータに基づいて、複数の制御変数(すなわち特徴)によって描写される異なる顧客に対するクレジット制限(すなわち、治療)の増加による異種処理効果を測定するための応答モデルを構築します。 減少する限界効果を組み込むために、慎重に選択されたログ変換を処理変数に導入する。 さらに、gbdtエンコーディングによる特徴に非線形変換を適用することで、モデルの能力をさらに強化することができる。 最後に,比較手法の性能を適切に測定する指標を提案する。 実験の結果,提案手法の有効性が示された。

関連論文リスト

• Bayesian Regression for Predicting Subscription to Bank Term Deposits in Direct Marketing Campaigns [0.0]
  本研究の目的は,長期預金契約予測におけるロジットモデルとプロビットモデルの有効性を検討することである。 ターゲット変数はデータセット固有の不均衡を考慮してバランスが取れた。 ロジットモデルは、この分類問題を扱う際に、プロビットモデルよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-28T21:04:58Z)
• Ensemble Methodology:Innovations in Credit Default Prediction Using LightGBM, XGBoost, and LocalEnsemble [8.841018135641544]
  本研究は、信用デフォルト予測の進化状況、従来のモデルへの挑戦、革新的なアプローチの導入に対応している。 本稿では,LightGBM,XGBoost,LocalEnsembleモジュールで構成されるEnsemble Methodsフレームワークについて述べる。 実験により,データセット上でのアンサンブルモデルの有効性が検証され,フィールドへの実質的な貢献が示唆された。
  論文  参考訳（メタデータ） (2024-02-28T01:48:54Z)
• Empowering Many, Biasing a Few: Generalist Credit Scoring through Large Language Models [53.620827459684094]
  大規模言語モデル(LLM)は、複数のタスクにまたがる強力な一般化能力を持つ信用スコアリングタスクにおいて大きな可能性を秘めている。 クレジットスコアリングのための LLM を探索する,初のオープンソース包括的フレームワークを提案する。 そこで我々は,各種金融リスク評価タスクの煩雑な要求に合わせて,指導チューニングによる最初の信用・リスク評価大言語モデル(CALM)を提案する。
  論文  参考訳（メタデータ） (2023-10-01T03:50:34Z)
• Would I have gotten that reward? Long-term credit assignment by counterfactual contribution analysis [50.926791529605396]
  モデルベース信用代入アルゴリズムの新たなファミリーであるCOCOA(Counterfactual Contribution Analysis)を紹介する。 我々のアルゴリズムは、その後の報酬を得る際の行動の貢献度を測定することによって、正確な信用割当を実現する。
  論文  参考訳（メタデータ） (2023-06-29T09:27:27Z)
• Inclusive FinTech Lending via Contrastive Learning and Domain Adaptation [9.75150920742607]
  フィンテックの貸与は、財政的包摂の促進に重要な役割を果たしてきた。 ローン審査中にアルゴリズムによる意思決定にバイアスがかかる可能性があるという懸念がある。 自己教師付きコントラスト学習とドメイン適応を用いたトランスフォーマーに基づくシーケンシャルローンスクリーニングモデルを提案する。
  論文  参考訳（メタデータ） (2023-05-10T01:11:35Z)
• Predicting Credit Risk for Unsecured Lending: A Machine Learning Approach [0.0]
  本研究は、無担保貸付(クレディットカード)の信用デフォルトを予測するための、同時代の信用評価モデルを構築することを目的とする。 本研究は,光グラディエントブースティングマシン(LGBM)モデルにより,学習速度の向上,効率の向上,データボリュームの大規模化を実現していることを示す。 このモデルの導入により、商業融資機関や銀行の意思決定者に対する信用デフォルトのより良いタイムリーな予測が可能になると期待している。
  論文  参考訳（メタデータ） (2021-10-05T17:54:56Z)
• Supporting Financial Inclusion with Graph Machine Learning and Super-App Alternative Data [63.942632088208505]
  スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。 本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
  論文  参考訳（メタデータ） (2021-02-19T15:13:06Z)
• Explanations of Machine Learning predictions: a mandatory step for its application to Operational Processes [61.20223338508952]
  信用リスクモデリングは重要な役割を果たす。 近年,機械学習や深層学習の手法が採用されている。 この分野における説明可能性問題に LIME 手法を適用することを提案する。
  論文  参考訳（メタデータ） (2020-12-30T10:27:59Z)
• Explainable AI for Interpretable Credit Scoring [0.8379286663107844]
  クレジットスコアリングは、金融の専門家がローン申請を受諾するかどうかについてより良い判断を下すのに役立つ。 アルゴリズムによる決定が一貫性のあるものであることを保証するため、規則はモデル解釈可能性の必要性を追加している。 正確かつ解釈可能な信用スコアモデルを提案する。
  論文  参考訳（メタデータ） (2020-12-03T18:44:03Z)
• Learning Transferrable Parameters for Long-tailed Sequential User Behavior Modeling [70.64257515361972]
  テールユーザに注力することで、より多くのメリットをもたらし、長いテールの問題に対処できる、と私たちは主張しています。 具体的には、頭部から尾部への知識伝達を容易にするために、勾配アライメントを提案し、敵のトレーニングスキームを採用する。
  論文  参考訳（メタデータ） (2020-10-22T03:12:02Z)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。